Odborná definícia
Odborná definícia
Candidate generation je prvá fáza viacstupňového vyhľadávacieho alebo odporúčacieho systému, ktorá z rozsiahleho katalógu rýchlo vyberie menšiu množinu potenciálne relevantných položiek. Používa indexy, pravidlá, embeddingové vyhľadávanie, kolaboratívne signály alebo ľahké modely optimalizované na recall a latenciu. Výslední kandidáti následne vstupujú do presnejšieho rankera. Ak vhodná položka v tejto fáze vypadne, neskoršie skórovanie ju už nedokáže obnoviť, preto sa kvalita posudzuje aj recallom na úrovni kandidátnej množiny a podľa pokrytia dôležitých segmentov.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Videoplatforma nemôže pri každom otvorení stránky detailne ohodnotiť miliardy videí. Najprv vytvorí niekoľko stoviek kandidátov podľa histórie používateľa, podobných profilov, aktuálneho kontextu a obmedzení katalógu. Až potom náročnejší model vypočíta presné poradie. Generovanie kandidátov je teda široké sito, nie konečný výber. Príliš úzke sito zrýchli systém, ale stratí dobré možnosti. Príliš široké zvýši náklady rankera a môže zhoršiť odozvu produktu. Návrh musí preto vyvažovať recall, diverzitu, čerstvosť a dostupný výpočtový rozpočet.
Časté otázky
Časté otázky
Prečo nestačí jeden rankingový model nad celým katalógom?
Komplexný ranker môže vyžadovať desiatky alebo stovky príznakov pre každú položku. Pri miliónoch objektov by výpočet prekročil rozumnú latenciu a cenu. Kandidátna fáza obmedzí priestor na množinu, ktorú možno podrobne vyhodnotiť v reálnom čase.
Aká metrika je dôležitá pre candidate generation?
Často recall@K, teda podiel relevantných položiek, ktoré sa dostali medzi prvých K kandidátov. Sleduje sa aj pokrytie katalógu, diverzita, latencia a segmentové výsledky. Samotná presnosť konečného feedu neodhalí, že kandidátna fáza systematicky vynecháva určité typy obsahu.
Môže sa kombinovať viac kandidátnych zdrojov?
Áno. Systém môže zlúčiť kandidátov z vektorového vyhľadávania, popularity, sociálnych väzieb, pravidiel aj personalizovaného modelu. Potrebuje deduplikáciu, kvóty a evidenciu pôvodu, aby ranking vedel pracovať s rozdielnymi signálmi a produkt mohol analyzovať pokrytie.
Ako vzniká problém popularity bias?
Ak kandidátne generátory čerpajú najmä z historických interakcií, často opakovane ponúkajú už populárne položky. Nový alebo úzko zameraný obsah nedostane šancu nazbierať dáta. Pomáha samostatný zdroj pre novinky, explorácia, kvóty a metriky dlhodobého pokrytia.
Je vektorová databáza vždy potrebná?
Nie. Pri menšom katalógu alebo jasných pravidlách môže postačiť relačný index, fulltext, graf či predpočítané zoznamy. Vektorové vyhľadávanie je užitočné pre podobnosť v embeddingovom priestore, ale neprináša automaticky obchodné obmedzenia, čerstvosť ani férové zastúpenie.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- Covington, Adams a Sargin, Deep Neural Networks for YouTube Recommendations
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.